Minulla on 2 muuttujaa, molemmat luokasta ”numeerinen”:
> head(y)
[1] 0.4651804 0.6185849 0.3766175 0.5489810 0.3695258 0.4002567
> head(x)
[1] 59.32820 68.46436 80.76974 132.90824 216.75995 153.25551
Suunnittelin ne, ja nyt haluaisin sovittaa tietoihin eksponentiaalisen mallin (ja lisätä sen juoni), mutta en löydä tietoa mallien sovittamisesta monimuuttujatietoihin R: ssä! Voiko joku auttaa vain muuttujan tietojen vaihtamiseksi? En edes tiedä mistä aloittaa … Kiitos!
Kommentit
- Tämä on hieman hämmentävää. Sanot, että sinulla on kaksi " itsenäiset " -muuttujat (mieluummin " ennustaja ", mutta se ' ei ole tärkeä). Onko sinulla " riippuvaisia " / " vastaus " muuttujat? Jos nämä molemmat olivat vastemuuttujia, voin kuvitella sopivan parametrisen, kaksimuuttuisen todennäköisyysjakauman (joko tai ilman ennustavat muuttujat, joista jakauman ' s parametrit riippuivat) – tai 2D-ytimen tiheysestimaatti. Ehkä voisit selittää asiayhteyttä hieman enemmän. (PS kuka ' Kysymyksen äänestämisen on tiedettävä, mitä se tarkoittaa … kenenkään huolehditaan soittamisesta?)
- Joka tapauksessa ' d parempi mennä kohtaan crossvalidated.com tällaisiin kysymyksiin. tai hämärälle verkkosivustolle nimeltä Google. Se löysi tietoa mallien sovittamisesta monimuuttujatietoihin. Melko paljon (tarkalleen 4 miljoonaa kaksisataa kolmekymmentä tuhatta)
- Suosittelen bingiä – se on loppujen lopuksi hakukone, hakukoneet ovat niin 1900-luku … katsokaa vain Yahoo ja Ask Jeeves, kuinka merkityksetöntä heillä on tänään?!?
- @Ben Bolker – Kiitos avusta, olen ottanut itsenäisen pois, koska se ei ollut oikein. Minulla on sijaintien välinen etäisyys (x) ja sateiden välinen korrelaatio paikkojen välillä (y).
- Huomaa, että sinun on käytettävä erityisiä menetelmiä, jos haluat tehdä tilastollisia päätelmiä näistä tiedoista, koska laskettiin yhteisellä sijaintijoukolla, ne eivät ole itsenäisiä – etsi esim varten " Mantel-testi "
Vastaa
En ole täysin varma, mitä kysyt, koska kielesi on pois käytöstä. Mutta olettaen, että muuttujat eivät ole riippumattomia toisistaan (jos olisivat, niin heillä ei ole suhdetta löytämiseen. Minä kokeilen sitä. Jos x on riippumaton (tai ennustava) muuttujasi ja y on riippuvainen (tai vastaus) muuttujasi, niin tämän pitäisi toimia.
# generate data beta <- 0.05 n <- 100 temp <- data.frame(y = exp(beta * seq(n)) + rnorm(n), x = seq(n)) # plot data plot(temp$x, temp$y) # fit non-linear model mod <- nls(y ~ exp(a + b * x), data = temp, start = list(a = 0, b = 0)) # add fitted curve lines(temp$x, predict(mod, list(x = temp$x))) Kommentit
- kiitos vastauksestasi, olen ottanut sanan " riippumaton " ulos, kuten huomautit, sillä ei ollut ' järkeä. Käyttämällä koodiasi tiedoissani voin sovittaa mallin, mutta tulos on kaaviossa kymmeniä rivejä yhden sijasta. Onko sinulla mitään syytä miksi?
- @sbg – Ei, anteeksi, en voi ' ajatella syytä. Sopiiko
nls()malliin? - Luulen niin, saan: Epälineaarisen regressiomallin malli: y ~ exp (a + b * x) data: DF ab -0,535834 -0,002024 jäännösneliösumma: 18,62 Lähentymien iteraatioiden määrä: 6 Saavutettu lähentymistoleranssi: 8,08e-06
- @sbg yritä lajitella
xmuuttuja:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))